空间福利分解：ACR 充分统计量公式推导

01 什么是"充分统计量"(Sufficient Statistic)

"充分统计量"是统计学概念：如果一个统计量 $T(X)$ 已经包含了样本 $X$ 中关于参数 $\theta$ 的所有信息，那么知道 $T(X)$ 就够了，原始样本里没有额外信息可挖。

在 QSGE 里，ACR (2012) 的著名结论是：在一大类贸易模型中，从 autarky 到自由贸易的福利变化，完全由两个对象决定：

1. 国内贸易份额 $\lambda_{ii}$：本国消费中来自本国生产的比例；
2. 贸易弹性 $\theta$：贸易流对贸易成本的弹性。

其他变量——企业生产率分布的具体形状、$\sigma$、工资水平、贸易成本水平——都不需要知道。这是一个令人震惊的结论，因为它意味着：

02 ACR 三个条件

ACR 定理成立需要三个假设（他们叫 "restrictions on trade models"）：

1. Demand 偏好参数化：代表性消费者有 CES 偏好（或等价地，企业的需求是常弹性的）。这等价于"贸易份额对贸易成本是常数弹性 $\theta$"。
2. Perfect competition / Monopolistic competition with free entry：要么完全竞争（EK），要么垄断竞争加自由进入（Melitz）。排除了寡头/策略互动。
3. Trade balance and single factor：贸易平衡、唯一生产要素（劳动）。排除了贸易顺差、资本流动、投入产出联系。

满足这三条，福利变化就只依赖 $\lambda_{ii}$ 和 $\theta$。

03 从 Armington 开始推导（包络定理视角）

3.1 为什么"只看 $\lambda_{nn}$"：包络定理

把名义福利写成间接效用函数 $V(w_n; \{\tau_{nk}\}, \text{其他参数})$，其中 $w_n$ 是内生工资。贸易成本 $\tau_{nk}$ 变化时，福利变化来自两条渠道：

1. 直接渠道：$\tau$ 变化直接改变价格指数 $P_n$（即使工资不变）；
2. 间接渠道：$\tau$ 变化通过一般均衡改变 $w_n$，再影响 $V$。

包络定理说：在最优点处，间接效用对内生变量（工资）的偏导已经为零——因为消费者已经在最优选择上。所以 $\mathrm{d}V/\mathrm{d}\tau$ 只需要对直接渠道求偏导，工资的二阶反馈项全部消失。这就是 ACR "充分统计量"思想的数学来源：

再加上 CES 偏好下"价格指数对贸易成本的弹性恰好等于贸易份额 $\lambda_{nk}$"这一结构性质（Shepherd's lemma 对成本函数的版本），对所有 $\tau_{nk}$ 积分后，整条福利变化路径就被端点处的 $\lambda_{nn}$ 唯一决定——这就是充分统计量。

3.2 Armington 实际工资

回忆 01 页的 Armington 实际工资：

这里 $\lambda_{nn}$ 是国内贸易份额。把它变成"帽子"形式：

但 Armington 里贸易流对贸易成本的弹性是 $1-\sigma$，所以"贸易弹性"$\varepsilon_{\text{trade}} = \sigma-1$。于是：

从 autarky 到贸易：$\lambda_{nn}^{aut}=1$，$\lambda_{nn}^{trade}<1$。贸易利得：

04 EK 模型下的等价推导

在 EK 里，我们已经推导过：

把两式联立：

解得：

实际工资：

注意 $T_n$ 是外生技术参数，在比较静态中不变。于是实际工资的变化率：

或者用变化率的对数形式：

从 autarky 到贸易：$\pi_{nn}^{aut}=1$，$\pi_{nn}^{trade}<1$，所以 $\hat{W}_n = (\pi_{nn}^{trade})^{1/\theta} < 1$？等等——这看起来符号反了。让我重新检查：

让我们仔细回看。在 EK 模型里，实际工资是 $w_n/P_n \propto \pi_{nn}^{1/\theta}$。当 $\pi_{nn}$ 下降（开放贸易），$\pi_{nn}^{1/\theta}$ 也下降？但直觉是开放提高了实际工资。问题出在哪？

回看 02 页：我们推的是 $P_n \propto w_n \pi_{nn}^{-1/\theta}$，所以 $w_n/P_n \propto \pi_{nn}^{1/\theta}$。这意味着 $\pi_{nn}$ 越大（越自给自足），实际工资越低？这显然矛盾。让我们重新检查 02 页的推导：

所以 $P_n = \gamma T_n^{-1/\theta} w_n \pi_{nn}^{1/\theta}$。于是 $w_n/P_n = \gamma^{-1} T_n^{1/\theta} \pi_{nn}^{-1/\theta}$。

我在 02 页写错了！正确的是：

这才对——$\pi_{nn}$ 越小（越开放），实际工资越高。ACR 公式的正确形式是：

从 autarky（$\pi_{nn}=1$）到贸易（$\pi_{nn}<1$）：$\hat{\pi}_{nn}<1$，$\hat{W} = \hat{\pi}_{nn}^{-1/\theta} > 1$。开放使福利上升。✓

05 Melitz 模型为何同样成立

Melitz (2003) 模型里，企业生产率服从 Pareto 分布，企业自由进入、按生产率排序选择是否出口。表面上多了"selection"和"extensive margin"，似乎福利公式应该更复杂。但 ACR 证明：只要 Pareto 形状参数 $\theta$ 等于 EK 的 Fréchet 形状参数，**贸易份额方程在结构上和 EK 完全一样**：

其中 $\chi_i$ 是一个与生产率分布和自由进入条件相关的常数。于是福利公式仍然是 $\hat{W}_n = \hat{\pi}_{nn}^{-1/\theta}$。这就是"新贸易模型，老的收益"。

06 贸易利得分解：以美国为例

ACR (2012) 用 ACR 公式对 OECD 国家算了一笔账：

• 美国的国内贸易份额 $\lambda_{nn} \approx 0.8$（即 80% 消费自本国）；
• 取贸易弹性 $\theta = 5$（Simonovska-Waugh 2014 估计）；
• 从 autarky 到当前贸易的福利收益：

也就是说，与完全自给自足相比，美国从贸易中获得的福利提升约为 4.6%。对小开放经济体（如比利时），$\lambda_{nn}\approx 0.4$，利得达 $0.4^{-1/5}-1 \approx 20\%$。

反事实：从当前贸易到自由贸易

如果问"从当前贸易到零贸易成本的自由贸易，福利能再涨多少"，需要知道反事实下的 $\lambda_{nn}'$。这就是 05 页帽子代数要解决的问题。ACR 公式告诉你：$\hat{W} = (\lambda_{nn}'/\lambda_{nn})^{-1/\theta}$，所以只要帽子代数迭代给出 $\lambda_{nn}'$，福利变化立刻可算。

07 中国案例与 Python 代码

下面代码用 ACR 公式计算几个典型国家的贸易利得，并做敏感性分析。

"""
ACR 福利分解：贸易利得 = lambda_nn^(-1/theta) - 1
- 用 OECD/世界银行 2017 年贸易数据（示意值）
- 对不同 theta 做敏感性分析
"""
import numpy as np

# ---------- 1. 各国国内贸易份额（示意值，来自 ACR 2012 Table 1 量级） ----------
countries = {
    "美国":       0.80,   # 大国，国内消费占比高
    "中国":       0.70,   # 大经济体，贸易依存度高但仍以国内为主
    "德国":       0.60,
    "日本":       0.85,
    "比利时":     0.40,   # 小开放经济体
    "韩国":       0.50,
    "澳大利亚":   0.75,
}

# ---------- 2. ACR 公式 ----------
def acr_gain(lam_nn, theta):
    """从 autarky 到当前贸易的福利收益"""
    return lam_nn ** (-1.0 / theta) - 1.0

# ---------- 3. 对不同 theta 计算 ----------
thetas = [3.0, 5.0, 8.28]   # EK 2002 估计 = 8.28；Simonovska-Waugh = 5；下限 = 3

print(f"{'国家':<10} {'λ_nn':<6}", end="")
for th in thetas:
    print(f" θ={th:<6}", end="")
print()
print("-" * 60)
for c, lam in countries.items():
    print(f"{c:<10} {lam:<6.2f}", end="")
    for th in thetas:
        g = acr_gain(lam, th) * 100
        print(f" {g:>6.2f}%  ", end="")
    print()

# ---------- 4. 反事实：贸易成本下降 10% 的福利变化 ----------
# 用 EK 模型的近似：贸易成本下降 tau 10%，国内份额也下降约 theta*10%（一阶近似）
# 严格计算需要帽子代数（见 05 页），这里只做一阶近似
print("\n" + "=" * 60)
print("近似：贸易成本下降 10% 的福利变化（一阶近似）")
theta = 5.0
for c, lam in countries.items():
    # 一阶近似：ln(lam'_nn/lam_nn) ≈ 0.10 * (1 - lam_nn) / lam_nn  （粗略）
    # 严格公式见 05 页 hat algebra
    approx_change = 0.10 / theta * 100  # 一阶：每降 10% 成本，福利上升 ~2%
    print(f"  {c:<10} 近似福利变化 ≈ +{approx_change:.2f}%")

# ---------- 5. 验证 ACR 公式在 EK 模型里的精确性 ----------
# 我们用 02 页的 solve_ek 跑一个反事实，对比帽子代数结果与 ACR 公式预测
print("\n" + "=" * 60)
print("数值验证：EK 模型 vs ACR 公式预测")
N = 3
T = np.array([1.0, 0.8, 0.6])
L = np.array([1.0, 1.0, 1.0])
tau0 = np.array([[1.0,1.5,2.0],[1.5,1.0,1.8],[2.0,1.8,1.0]])

def solve_ek(T, L, tau, theta, tol=1e-10):
    w = np.ones(len(L)); X = w*L
    for _ in range(50000):
        cost = w[None,:]*tau
        S = T[None,:] * cost**(-theta)
        pi = S / S.sum(axis=1, keepdims=True)
        sales = pi.T @ X
        excess = sales/(w*L)
        w = w * excess**0.3
        w = w / np.sum(w*L); X = w*L
        if np.max(np.abs(excess-1)) < tol: break
    cost = w[None,:]*tau
    S = T[None,:] * cost**(-theta)
    pi = S / S.sum(axis=1, keepdims=True)
    P = S.sum(axis=1)**(-1/theta)
    return w, P, pi

theta = 8.28
w0, P0, pi0 = solve_ek(T, L, tau0, theta)
# 反事实：跨国贸易成本下降 10%
tau1 = tau0.copy(); tau1[~np.eye(N,dtype=bool)] *= 0.9
w1, P1, pi1 = solve_ek(T, L, tau1, theta)

print(f"  实际工资变化 (模型): {(w1/P1)/(w0/P0)-1}")
print(f"  ACR 公式预测:        {(np.diag(pi1)/np.diag(pi0))**(-1/theta)-1}")
# 两者应该几乎相等（除了数值精度）

08 适用条件与局限、多部门扩展、论文案例

ACR 公式的适用条件

1. CES 偏好 / 常弹性技术：如果偏好是非位似（non-homothetic），或需求弹性随收入变化，公式失效。
2. 贸易平衡 + 单一要素：若存在贸易顺差、资本流动、中间品投入产出联系，需要修改公式（Caliendo-Parro 2015 把中间品加进去后，公式变成 $\hat{W} = \hat{\lambda}_{nn}^{-1/\theta} \times$ 中间品份额项）。
3. 无国内贸易成本：$\tau_{ii}=1$。若国内也有贸易成本（如中国省际），需要把它们显性化。
4. 静态、无增长：ACR 是静态比较；动态利得（如干中学、创新激励）不在其内。

多部门扩展（Caliendo-Parro 2015）

把单一部门拆成 $S$ 个部门，每个部门 $s$ 有自己的贸易弹性 $\theta_s$ 和国内份额 $\lambda_{nn,s}$，消费者对部门 $s$ 的支出份额为 $\alpha_s$。ACR 公式变为部门加权：

取对数：$\ln \hat{W}_n = -\sum_s \frac{\alpha_s}{\theta_s} \ln \hat{\lambda}_{nn,s}$。直觉：每个部门贡献 $\alpha_s/\theta_s$ 权重乘以其国内份额变化。部门间贸易弹性差异大（如制造业 $\theta\approx 5$，服务业 $\theta$ 很大）时，加总误差不小。

若再加入投入产出联系（部门 $s$ 使用部门 $k$ 的中间品），Caliendo-Parro (2015) 证明福利公式多出一项"成本份额"加权：

其中 $A$ 是投入产出矩阵，$[I-A]^{-1}$ 是 Leontief 逆。直觉：中间品贸易通过成本渠道放大福利收益——这就是 GVC 时代的 ACR 修正。

论文案例

进阶资料

• Arkolakis, Costinot & Rodriguez-Clare (2012) 原文。
• Caliendo & Parro (2015), "Estimates of the Trade and Welfare Effects of NAFTA", RES。
• Costinot & Rodriguez-Clare (2014) Handbook Chapter 3。